基于表达密度谱的特征子空间分离及相关单细胞转录组分群新算法

发布时间： 2020-12-25

单细胞转录组测序为复杂生物样本的解析提供了一种全新的视角，但是海量的基因表达信息也对数据的分析提出了巨大的挑战。单细胞数据的准确解读，首要的问题是对细胞类型进行精确识别，鉴于单细胞测序数据的噪音很大，这样的识别是相当困难的，尤其是一些细胞数少、特征基因表达量低的细胞亚群。德运康明董事长杨朝勇教授所带领的研发团队提出了一种新的细胞类型精确识别算法思路，先基于核密度分布分离出子空间，然后在复杂度较低的多个子空间内分别进行聚类，最后评估各个子空间聚类中的一致性结果，整合得到最终精确的细胞分类。通过对12组单细胞数据进行聚类分析，该方法的结果准确度高于目前常用的4种方法。而对前脂细胞的成功分型也表明该方法确实适用于一些异质性程度不高，难以分型的特殊样本的分类。可以预见，该方法将对复杂样本的单细胞数据的精细解析提供极大的助力。

ENCORE算法示意图

文章转载自：BioArt

如有侵权，请联系删除